基于深度网络特征提取与核非线性分类的视频行为识别  

Human Action Recognition Using Deep Network for Feature Extraction and Kernel Based Nonlinear Representor for Classification

作　　者：陈曦[1] 刘本永[1,2] 

机构地区：[1]贵州大学大数据与信息工程学院,贵州贵阳550025 [2]贵州大学智能信息处理研究所,贵州贵阳550025

出　　处：《贵州大学学报（自然科学版）》2017年第1期51-56,共6页Journal of Guizhou University:Natural Sciences

基　　金：国家自然科学基金项目资助(60802003);科技部国际合作项目资助(2009DFR10530)

摘　　要：行为识别是视频分析的重要任务。本文利用稀疏自动编码机和卷积神经网络这两种典型的深度网络从视频运动历史图像中提取行为特征,利用最优泛化核非线性分类器对特征进行分类,实现行为识别。实验结果表明,与常用的特征提取和分类算法相比,所探讨算法正确识别率更高;而最优泛化核非线性分类器比常用的分类器能更好地兼顾识别效果和效率。Human action recognition is an important task in video analysis. In this manuscript,we try to use two typical deep networks to extract abstract features automatically from the motion history images of video samples and then classify these features using a kernel-based nonlinear representor. Experimental results show that the proposed algorithm outperforms traditional ones using HOG feature and k-Nearest Neighbor classifier in accuracy,and has approximate accuracy of SVM classifier but is more efficient.

关 键 词：视频行为识别 稀疏自动编码机 卷积神经网络 核非线性分类器 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]